「可验证评分机制」共找到 1672 篇相关文章
不止修bug：Agentic Coding评测走向复杂feature交付新阶段
中国科学院自动化研究所联合华为提出 FeatureBench，构建端到端基础设施并开源。它从单元测试出发构造评测任务，引入多种机制保障任务可执行、可验证，能有效区分模型能力，还提供易用的评测流程。
Anthropic长文：多智能体协作模式，五种方法及其适用场景
Anthropic官方长文总结5种多智能体协作模式及适用场景，指出何时用多智能体或单智能体更好，还分析各模式工作机制、适用场景、易翻车点，给出架构选择和新手操作建议。
用Rust重写OpenClaw，Transformer作者下场造了安全版「龙虾」
Transformer八子之一Illia Polosukhin用Rust构建安全版OpenClaw——IronClaw。他指出OpenClaw有数据和资金安全风险，IronClaw以安全为核心，有多项安全设计，未来还会增加策略验证等能力。
Anthropic承认了！Claude Code木马门被抓包，明天回滚
Anthropic被曝在Claude Code中暗藏隐形代码，从2.1.91版本起，通过隐写术秘密传输信息。Claude Code负责人称是实验，明天回滚。同时，其下一代模型Fable 5或引入实名验证等机制。
研究者尝试揭示扩散模型创造力的起源
斯坦福大学研究人员 Mason Kamb 与 Surya Ganguli 在论文中提出解释扩散模型创造力的机制，指出其创造力是去噪生成图像时的确定性结果，还识别出关键偏置，搭建 ELS 机模型并验证其准确性。
无需奖励函数！我们意外构建了自我进化的AI系统
牛津大学发现LLM可通过“部署 - 验证 - 再训练”循环自我进化，绕开人工奖励函数设计瓶颈。在三个经典规划领域实验效果惊人，还在理论上证明其与强化学习的数学等价关系，有优势也有隐患。
Agent框架各自为战？谷歌&微软：用Agent-KB让经验自由流动
当前不同框架的Agent知识无法互通，谷歌、耶鲁、字节、oppo等团队联合提出Agent KB，这是通用记忆基础设施，能让异构Agent框架共享经验。它有师生双阶段检索机制，实验验证其能带来显著增益。
星巴克与微软合作，在35个门店用Azure OpenAI 提升咖啡师效率
CNBC消息，星巴克本月将在35个门店推出由微软Azure OpenAI平台打造的AI助手Green Dot Assist，助咖啡师提效。虽AI会有‘幻觉’答案，但有验证引擎确保信息准确，星巴克还有更大应用计划。
Kimi新架构让马斯克叹服！17岁高中生作者一战成名
17岁高中生陈广宇作为共同一作的论文提出Attention Residuals技术，将注意力机制“旋转90度”。该技术可让模型“回头看”，经Kimi Linear 48B大模型验证，训练效率提升25%，推理延迟增加不到2%。
刚刚，OpenAI发长篇论文：大模型幻觉的原因找到了~
OpenAI发论文揭示语言模型出现幻觉的根本原因，即训练和评估过程奖励猜测而非承认不确定性。预训练阶段就埋下幻觉种子，后训练阶段‘考试机制’强化幻觉，还给出改评分规则的解法。